云环境中面向可靠性约束的工作流调度策略研究

随着越来越多的计算密集型依赖应用被卸载到云环境中执行,工作流调度问题受到了广泛的关注。针对云环境多目标优化的工作流调度问题,考虑到任务执行过程中服务器可能会发生性能波动和宕机等问题,基于模糊理论,使用三角模糊数表示任务执行时间和数据传输时间,提出了一种基于遗传算法的自适应粒子群优化算法(Adaptive Particle Swarm Optimization based GA,APSOGA),目的是在工作流的可靠性约束下,综合优化工作流的完成时间和执行代价。该算法为了避免传统粒子群优化算法存在的过早收敛问题,引入了遗传算法的随机两点交叉操作和单点变异操作,有效地提升了算法的搜索性能。实验结果表明,与其他策略相比,基于APSOGA的调度策略能够有效地降低云环境中面向可靠性约束的科学工作流的模糊总代价。     

基于SMS的执行器无线监控终端的设计

基于SMS无线远程监控的方便性与实用性,本文提出了一种电动执行器无线监控终端的设计方案,描述了以单片机ATmega128和无线数传模块DTGS-800为核心的无线数据监控终端,通过CDMA移动通信系统的SMS业务实现管网中各执行器与管网数据中心进行数据通信的方法.     

某型无人机机载遥测系统帧结构设计

本文根据某型无人机遥测系统的特点与需求,结合现代遥测系统的典型应用,对传统固定格式的PCM帧结构进行了改进,设计了一种可支持每组多路多组并发采集的PCM码流与多路异步数据码流复用传输方式的帧结构.     

基于归一化距离方差的圆检测

本文给出了一种基于归一化的距离方差的圆检测方法。首先计算每个连续曲线的质心到各曲线边缘特征点的距离方差,归一化后进行比较从而使圆被初步分割;再对每个圆心进行半径累积,求出各个圆的半径。该方法避免了非圆干扰物带来的大量的无效累积计算,相对于传统Hough变换计算量减少。仿真结果表明,该方法在检测复杂图像中的圆时,检测效率、准确度较高。     

智能家居情境感知服务的运行时建模与执行方法

随着智能家居基础设施的不断发展,智能家居逐渐进入以智能服务为特征的新时期.大量复杂、异构的智能设备相互协同,构成海量、智能、集成的智能家居应用.其中,情境感知服务根据服务对象所处情境的变化为其提供准确的服务,是智能家居应用的典型代表.目前,情境感知服务往往面向场景进行构建,其设备多样性和服务随需性给应用开发带来极大的挑战.开发者需要熟悉设备管理接口、进行接口调用和交互,同时,理解服务功能和质量需求,进行管理逻辑的编写.为了快速定制和开发情境感知服务,将知识图谱引入开发过程,提出一种智能家居情境感知服务的运行时建模与执行方法：首先,提出智能家居情境感知服务知识图谱概念模型,定义其情境中各种概念和关系;其次,提出智能家居情境感知服务知识图谱实例模型的构造与维护机制,通过运行时概念、关系实例表示情境知识;最后,提出基于知识推理的智能家居情境感知服务执行方法,通过知识推理自动执行设备功能.面向实际场景,构建智能家居原型系统.实验结果显示,该方法能够实现情境感知服务运行时建模与执行,其代码减少量超过90%.     

基于层次标签的机器学习流程组装

随着机器学习的兴起,算子数目飞速增长,组装算子需要搜索的解空间增大,流程组装时间指数倍增长,如何降低搜索解空间,从而降低组装时间,实现支持适应用户功能性需求的机器学习流程组装成为当前研究的热点.文中提出了一种基于层次标签、支持机器学习领域的流程组装方法.首先,从算子语义中提取标签,根据标签包含语义范围确定层次标签模型;...     

基于特征相似度计算的网页包装器自适应

随着大数据的发展,互联网数据呈现爆炸式的增长.Web作为一种重要的信息载体,包含了各种类型的信息,而包装器的提出就是为了从杂乱的Web信息中提取出目标数据.但是,随着网页更新的频繁,轻微的结构变化都可能导致原有的包装器失效,增加包装器的维护成本.针对包装器的健壮性以及维护成本问题,提出了一种基于特征相似度计算的网页包装器自适应技术.该技术主要通过解析新网页的特征集合和旧包装器所蕴含的特征信息,通过网页相似度计算,重定位旧包装器在新网页中的映射区域和映射数据项,并根据映射关系使旧包装器能够自适应新网页的数据提取.该技术主要针对各类型网站进行实验,其中包括了购物类、新闻类、资讯类、论坛类和服务类,从中选取了250对新旧版本网页,共500个网页,进行包装器自适应实验.实验结果表明,当网页结构改变时,该方法能够有效地自适应新网页的数据提取,且数据提取的平均精确度和平均召回值分别达到82.2％和84.36％.     

基于有源频率选择表面的波束扫描天线设计

为减少使用的有源元件数量,本文提出了一种新型的基于有源频率选择表面的波束扫描天线。该天线由简单的单极子天线和10列频率选择表面组成,其中单极子天线作为辐射源放置在频率选择表面所构成的圆柱中心位置。通过控制所加载PIN二极管的工作状态,可将重新配置天线波束。整个天线尺寸为0.35λ_o×0.35λ_o×0.98λ_o(λ_o是自由波长)。实测结果表明,所设计的波束扫描天线的工作频率为2.45GHz,主波束可以实现在整个水平面的扫描,扫描精度为36°,并且天线在整个工作频段内的增益都大于6dBi,峰值增益是7.95dBi。该波束扫描天线可用于智能通信系统中。     

基于运行时模型的多样化云资源管理方法

多样化的受管资源和不断变化的管理需求,使得云管理面临很大的难度和复杂度.面对一个新的特定的管理需求,管理员往往是在已有管理软件的基础上进行二次开发,通过管理功能的获取和组织来构造新的管理系统.然而,由于缺乏通用的方法,二次开发的难度和复杂度依然很大.为了能够根据管理需求快速定制、集成、扩展已有的管理软件,提出一种基于运行时模型的多样化云资源管理方法.首先,在系统管理接口的基础上构造不同受管资源的运行时模型;其次,通过对不同的运行时模型进行合并,来构造包含所有目标受管资源的组合模型;最后,通过组合模型到用户特定模型的转换,来满足特定的管理需求.在OpenStack与Hyperic两款独立管理软件的基础上,实现了基于运行时模型的虚拟机软、硬件资源统一管理系统,验证了方法的可行性和有效性.     

一种改进的人工神经网络模型

提出一种新型人工神经网络模型,称为“基于模式神经元的人工神经网络（Pattern Neuron Based Artificial Neural Network,PNBANN）”。与现有的神经计算网络不同,PNBANN是一种完全基于神经元连接的网络模型。网络中的每一个神经元都唯一代表一种模式,每当接收新模式时,自动建立一个新的连接,把信息存储在网络中;而接收已有的模式时,已有的神经元连接得到加强。当模式神经元的输出达到所设定的感觉阈值时,对应模式的信息被记忆。因此,PNBANN就是不断地接收、存储各种信息,并把感觉足够强的模式记忆下来,这一过程更接近于人脑的学习、记忆过程。实验结果证明,PNBANN学习效率高,在学习新知识时不会影响已有的知识,同时具有很强的识别能力。